MiniMax M3.1 Flash
来自 MiniMax Blog · 期号 2026-10-19
摘要
MiniMax 发布新一代 Flash 模型 M3.1 Flash，在 agent 任务、编程、计算机使用和网络安全方面有显著提升。 在 DeepSWE v1.1 上得分 73.7%，OSWorld V2 得分 61.7，Agent's Last Exam 得分 29.6，后两项在中国模型中排名第一。CyberGym 安全评测得分 82%。 推理速度中位数达 170+ TPS，最高 200+ TPS。定价为每百万 token 输入 0.15 美元、输出 0.60 美元、缓存输入 0.015 美元，整体使用成本比前代降低 70%。 模型已通过 MiniMax API、M Plan 和 MiniMax Code 提供，权重后续开源。
深读
导读 MiniMax 发布了新一代 Flash 模型 M3.1 Flash，在 agent 任务、编程、计算机使用和网络安全等方向实现了代际提升，同时推理速度中位数超过 170 TPS，使用成本比前代降低 70%。对于关注 agent 落地和模型性价比的从业者，这份发布公告提供了具体的 benchmark 成绩和定价策略，可以直接用来评估是否值得接入或替换现有方案。 关键信息 - M3.1 Flash 在 DeepSWE v1.1 上得分 73.7%，与顶级模型并列；OSWorld V2 得分 61.7，Agent's Last Exam (ALE) 得分 29.6，后两项在中国模型中排名第一。 - CyberGym 安全评测得分 82%，在代码审计、漏洞修补、渗透测试、恶意软件分析和逆向工程等方向表现突出。 - 推理速度中位数 (P50) 稳定在 170+ TPS，日常使用中输出速度可达 200+ TPS。 - 定价为每百万 token 输入 0.15 美元、输出 0.60 美元、缓存输入 0.015 美元，整体使用成本比前代降低 70%。 - 模型已通过 MiniMax API、M Plan 和 MiniMax Code 提供，权重后续开源。 逐节讲解 更强的综合能力 M3.1 Flash 在多个 benchmark 上达到领先水平。在复杂任务与自动化方面，它在 AutomationBench-AA 上排名靠前，能够端到端完成销售、市场、运营、客服、财务和人力资源等真实企业工作流；在 BankerToolBench 上得分 76.2，擅长多步规划、跨文档一致性维护、金融合规和链式工具调用。 在编程与软件工程方面，DeepSWE v1.1 的 73.7% 成绩意味着模型能独立理解代码、开发功能、修复问题并通过测试验证。在计算机使用方面，OSWorld V2 的 61.7 分和 ALE 的 29.6 分展示了模型在真实环境交互、工具使用和长序列任务执行上的能力。在网络安全方面，CyberGym 的 82% 成绩体现了漏洞发现和验证的领先能力。 推理效率与定价 通过更激进的稀疏化优化，M3.1 Flash 的推理效率进一步提升。输出速度中位数稳定在 170+ TPS，日常使用可达 200+ TPS。定价为每百万 token 输入 0.15 美元、输出 0.60 美元、缓存输入 0.015 美元，整体使用成本比前代降低 70%。 为 agent 任务重新定义能力与成本 在 AutomationBench、DeepSWE 和 ALE 三个 benchmark 上，M3.1 Flash 以极低的任务成本达到了与顶级模型相当的性能，为 agent 任务设立了新的性价比标准。模型已通过 MiniMax API、M Plan 和 MiniMax Code 提供，权重后续开…